Igår, 18:52
  #25
Medlem
Jag tror inte beviset är korrekt. Kom ihåg var ni läste det först!
Citera
Igår, 18:52
  #26
Medlem
Mänskliga experter tillsammans med AI-verktyg löste problemet. Annars hade vem som helst kunnat be Claude lösa det. Ingen människa orkar skriva ett bevis på 250.000 sidor med papper och penna, så visst är det ett kraftfullt verktyg.
Citera
Igår, 18:56
  #27
Medlem
Citat:
Ursprungligen postat av ikuinen
Detta skulle tydligen kunna få konsekvenser för kryptering och konsten att knäcka koder.

Är det framförallt RSA som kan komma att påverkas, då RSA använder primtal? Idag använder man ju ofta elliptiska kurvor istället för RSA. Eller kan det påverka säkerheten även för algoritmer som använder elliptiska kurvor?
__________________
Senast redigerad av Hominem Igår kl. 19:01.
Citera
Igår, 19:06
  #28
Medlem
Cyborg2030s avatar
Citat:
Ursprungligen postat av 8686
(FB) Riemann hypotesen löst av Anthropic

Skrev om det tidigare.
I matematik ja, men inte i andra områden.

Det finns för många flaskhalsar.
Förstår inte din invänding. Vad är det som hindrar de här modellerna från att utföra virtuella experiment men även fysiska om vi ger de möjligheten att göra det? Visst, de har inte händer och fötter ännu så de kan inte blanda två vätskor i ett provrör men just den funktionaliteten har man löst i testmiljöer, de kan lösa det om vi promptar rätt och har en bra robotarm inkopplad. Det som krävs för att de testerna ska fungera är iofs att någon människa har levererat materialet dit och satt upp den fysiska miljön, men den delen är ju inte "rocket science". Det är ju en barnlek jämfört med att lösa de matematiska problemen som ingen människa har löst.
Citera
Igår, 19:09
  #29
Medlem
Pröva att sätta s= -1 i funktionen så får ni ett intressant resultat.

1/(1^-1)+1/(2^-1)+1/(3^-1)...osv

Resultatet är ganska omtalat.
Citera
Igår, 19:37
  #30
Medlem
Citat:
Ursprungligen postat av Cyborg2030
Förstår inte din invänding. Vad är det som hindrar de här modellerna från att utföra virtuella experiment men även fysiska om vi ger de möjligheten att göra det? Visst, de har inte händer och fötter ännu så de kan inte blanda två vätskor i ett provrör men just den funktionaliteten har man löst i testmiljöer, de kan lösa det om vi promptar rätt och har en bra robotarm inkopplad. Det som krävs för att de testerna ska fungera är iofs att någon människa har levererat materialet dit och satt upp den fysiska miljön, men den delen är ju inte "rocket science". Det är ju en barnlek jämfört med att lösa de matematiska problemen som ingen människa har löst.

Det skiljer sig mellan olika vetenskapliga fält.

Mänsklig medicin är ett område som det kommer ta extremt lång tid att ens nudda på.
Du kan inte göra "virtuella experiment" i medicin, om det rör tester på människor.

Skapandet av en ny medicin kräver prekliniska studier, fas 1, 2 och 3 och sen kontinuerlig uppföljning med fas 4 och det måste testas i människor.

I vissa prekliniska studier gör man det på djur först till och med, innan det ens testas på människor.

AI kan komma på vissa förslag till en molekyl som kan potentiellt bli en medicin, men medicinen måste ändå gå igenom alla dessa faser, som kan ta 10-15 år. De olika faserna genererar i sin tur data som AIn då behöver.

Flaskhalsen rörande hur snabbt AI utvecklas och kan destilleras i denna frågeställning:

Hur snabbt kan en AI kan ta fram en förbättring, kontrollera att den fungerar och använda resultatet för att göra nästa förbättring?

I medicin går det extremt långsamt.

Du har också andra unika problem i medicin, det finns vissa kategorier av preparat som det är mycket svårt att ens få tillstånd att forska om. Klassificeringen av narkotika enligt klass 1, 2 och 3 utgör forskningshinder ofta som kom med narkotikakonventionerna.

Hur ska vi ha testa hypoteser och få ut data kring dessa om det finns byråkratiska hinder att utföra vetenskapliga experiment?

Ja, medicin är mycket komplicerat.

Samma är det väl inom kemin, det finns ämnen som anses vara såpass farliga att möjligheten att forska om dem är starkt begränsad och fylld av byråkratiska hinder.

Det i sin tur gör att vi har ännu mindre data att träna AIn på.

Rangordningen hur snabbt en AI kan ta fram en förbättring skiljer sig kraftigt mellan de olika vetenskapliga fälten, just för att det tar olika lång tid från att pröva en hypotes och få feedback ifall hypotesen fungerar eller inte i verkligheten.

Matematik är unikt, då du har Lean, samma är det med programmering som går snabbt att verifiera, alltså kommer utvecklingen gå extremt snabbt här, och kan anta singularitetesliknande proportioner.

Flaskhalsen blir snarare hur långsamma vi människor är på att verifiera resultatet i Lean som producerats av en AI.

Kemi är också ett område som kan lösas, men det kräver fortfarande en kedja av:

Hypotes --> Förberedelse och anförskaffning av material för att pröva hypotesen --> exekvering av hypotesen --> data insamling --> AI får materialet.

Denna kedja är mycket långsammare i kemi än matematik, för att länkarna från att ha producerat en idé/hypotes till att pröva idén och att få data om man ska förkasta eller gå vidare med idén är betydligt längre i tid.

Så det finns olika rangordning mellan olika vetenskapliga fält i vad som generar snabbast en bekräftelse eller en förkastning av en hypotes:

Snabbast
1) Matematik (Lean)
2) Programmering
3) Maskin-inlärning (Alltså att AI själva ändrar sina egna vikter i transformer-modeller såsom GPT, då det bara är kod)

Långsammare
1) Fysik, du kan ha en teori, men du behöver testa den i verkligheten genom experiment.
2) Kemi, samma problematik
3) Jordbruk, fältekologi och miljöteknik, du behöver göra fältdata som kan ta X lång tid.
4) Flyg, fordon, byggteknik och avancerad tillverkning. Konstruktionen kan förbättras snabbt i en simulator. Slitage, underhållsbehov och tillförlitlighet under ovanliga förhållanden måste också mätas (vilket tar tid)

Man behöver inte hålla med mig om min lista är korrekt, eller om man anser att vissa vetenskapliga fält ska vara på en annan plats i rangordningen. Det här är mer ämnat som en illustrerande bild på att det finns en rangordning i hur snabbt vi människor kan omsätta föreslagna idéer och hypoteser av en AI i verkligheten och få kritisk data för att igen kunna spinna vidare med AIn.
Citera
Igår, 19:49
  #31
Medlem
Cyborg2030s avatar
Citat:
Ursprungligen postat av 8686
Det skiljer sig mellan olika vetenskapliga fält.

Mänsklig medicin är ett område som det kommer ta extremt lång tid att ens nudda på.
Du kan inte göra "virtuella experiment" i medicin, om det rör tester på människor.

Skapandet av en ny medicin kräver prekliniska studier, fas 1, 2 och 3 och sen kontinuerlig uppföljning med fas 4 och det måste testas i människor.

I vissa prekliniska studier gör man det på djur först till och med, innan det ens testas på människor.

AI kan komma på vissa förslag till en molekyl som kan potentiellt bli en medicin, men medicinen måste ändå gå igenom alla dessa faser, som kan ta 10-15 år. De olika faserna genererar i sin tur data som AIn då behöver.

Flaskhalsen rörande hur snabbt AI utvecklas och kan destilleras i denna frågeställning:

Hur snabbt kan en AI kan ta fram en förbättring, kontrollera att den fungerar och använda resultatet för att göra nästa förbättring?

I medicin går det extremt långsamt.

Du har också andra unika problem i medicin, det finns vissa kategorier av preparat som det är mycket svårt att ens få tillstånd att forska om. Klassificeringen av narkotika enligt klass 1, 2 och 3 utgör forskningshinder ofta som kom med narkotikakonventionerna.

Hur ska vi ha testa hypoteser och få ut data kring dessa om det finns byråkratiska hinder att utföra vetenskapliga experiment?

Ja, medicin är mycket komplicerat.

Samma är det väl inom kemin, det finns ämnen som anses vara såpass farliga att möjligheten att forska om dem är starkt begränsad och fylld av byråkratiska hinder.

Det i sin tur gör att vi har ännu mindre data att träna AIn på.

Rangordningen hur snabbt en AI kan ta fram en förbättring skiljer sig kraftigt mellan de olika vetenskapliga fälten, just för att det tar olika lång tid från att pröva en hypotes och få feedback ifall hypotesen fungerar eller inte i verkligheten.

Matematik är unikt, då du har Lean, samma är det med programmering som går snabbt att verifiera, alltså kommer utvecklingen gå extremt snabbt här, och kan anta singularitetesliknande proportioner.

Flaskhalsen blir snarare hur långsamma vi människor är på att verifiera resultatet i Lean som producerats av en AI.

Kemi är också ett område som kan lösas, men det kräver fortfarande en kedja av:

Hypotes --> Förberedelse och anförskaffning av material för att pröva hypotesen --> exekvering av hypotesen --> data insamling --> AI får materialet.

Denna kedja är mycket långsammare i kemi än matematik, för att länkarna från att ha producerat en idé/hypotes till att pröva idén och att få data om man ska förkasta eller gå vidare med idén är betydligt längre i tid.

Så det finns olika rangordning mellan olika vetenskapliga fält i vad som generar snabbast en bekräftelse eller en förkastning av en hypotes:

Snabbast
1) Matematik (Lean)
2) Programmering
3) Maskin-inlärning (Alltså att AI själva ändrar sina egna vikter i transformer-modeller såsom GPT, då det bara är kod)

Långsammare
1) Fysik, du kan ha en teori, men du behöver testa den i verkligheten genom experiment.
2) Kemi, samma problematik
3) Jordbruk, fältekologi och miljöteknik, du behöver göra fältdata som kan ta X lång tid.
4) Flyg, fordon, byggteknik och avancerad tillverkning. Konstruktionen kan förbättras snabbt i en simulator. Slitage, underhållsbehov och tillförlitlighet under ovanliga förhållanden måste också mätas (vilket tar tid)

Man behöver inte hålla med mig om min lista är korrekt, eller om man anser att vissa vetenskapliga fält ska vara på en annan plats i rangordningen. Det här är mer ämnat som en illustrerande bild på att det finns en rangordning i hur snabbt vi människor kan omsätta föreslagna idéer och hypoteser av en AI i verkligheten och få kritisk data för att igen kunna spinna vidare med AIn.
Jo, jag förstår och håller med om att vi för säkerhets skull har och ska ha en lång, omfattande och försiktig process för mediciner m.m.. Men jag förstår inte varför det skulle bevisa att en AI inte kan göra samma sak. Många av de stegen som du nämner kräver inte speciellt hög intelligens, det är mer formalia som ska göras p.g.a. lagkrav.
Citera
Igår, 19:53
  #32
Medlem
Citat:
Ursprungligen postat av Cyborg2030
Jo, jag förstår och håller med om att vi för säkerhets skull har och ska ha en lång, omfattande och försiktig process för mediciner m.m.. Men jag förstår inte varför det skulle bevisa att en AI inte kan göra samma sak. Många av de stegen som du nämner kräver inte speciellt hög intelligens, det är mer formalia som ska göras p.g.a. lagkrav.

Jag har aldrig sagt att en AI inte kan utföra vissa av dessa steg, jag sa att vi har extremt långt kvar till AGI.

De olika orsakerna till varför vi har extremt långt kvar till AGI, är bland annat, att vi människor har olika byråkratiska hinder till att insamla ny och fräsch data från de olika hypoteserna som måste testas i olika vetenskapliga fält.

Följaktligen kommer vissa fält accelerera snabbare och andra långsammare, och vissa kanske inte alls.

Det kommer behöva bli en politisk fråga kring liberaliseringen (avskaffandet av byråkratiska hinder) av många vetenskapliga metoder, om vi vill att AI snabbare ska kunna utvecklas..
Citera
Igår, 19:59
  #33
Medlem
Cyborg2030s avatar
Citat:
Ursprungligen postat av 8686
Jag har aldrig sagt att en AI inte kan utföra vissa av dessa steg, jag sa att vi har extremt långt kvar till AGI.

De olika orsakerna till varför vi har extremt långt kvar till AGI, är bland annat, att vi människor har olika byråkratiska hinder till att insamla ny och fräsch data från de olika hypoteserna som måste testas i olika vetenskapliga fält.

Följaktligen kommer vissa fält accelerera snabbare och andra långsammare, och vissa kanske inte alls.

Det kommer behöva bli en politisk fråga kring liberaliseringen (avskaffandet av byråkratiska hinder) av många vetenskapliga metoder, om vi vill att AI snabbare ska kunna utvecklas..
Ja, du skrev att vi har långt kvar till AGI och sen drog du upp exempel på mänsklig organisatorisk formalia som ett argument för det. När det argumentet inte höll, vad är ditt argument nu då för att vi inte kan ha AGI snart? En AI-modell blir ju inte dummare bara för att vi har satt upp många formella processer och hinder.
Citera
Igår, 20:04
  #34
Medlem
Hax.Pains avatar
Citat:
Ursprungligen postat av Pixelsexuell
Vi kanske skulle låta AI lösa budgetunderskottet och den svenska statsskulden istället?

Någon som har frågat ChatGPT?

Min chatgpt säger inte att det är invandrarnas fel. Men det säger flashback, vilket är rätt?
Citera
Igår, 20:07
  #35
Medlem
Voidoids avatar
Citat:
Ursprungligen postat av Cyborg2030
Ja, du skrev att vi har långt kvar till AGI och sen drog du upp exempel på mänsklig organisatorisk formalia som ett argument för det. När det argumentet inte höll, vad är ditt argument nu då för att vi inte kan ha AGI snart? En AI-modell blir ju inte dummare bara för att vi har satt upp många formella processer och hinder.
Men testprocesserna skulle ju kunna tas bort inom läkemedelsframställningen redan idag. Men de finns där av andra skäl än tidsbesparande. AI gör väl ingen skillnad där.
Citera
Igår, 20:10
  #36
Medlem
Citat:
Ursprungligen postat av Cyborg2030
Ja, du skrev att vi har långt kvar till AGI och sen drog du upp exempel på mänsklig organisatorisk formalia som ett argument för det. När det argumentet inte höll, vad är ditt argument nu då för att vi inte kan ha AGI snart? En AI-modell blir ju inte dummare bara för att vi har satt upp många formella processer och hinder.

Du får definiera vad AGI är för dig.

Jo, mitt argument håller, frågan är snarare hur man tolkar vad en AGI är för något och hur långt i närtid man tror att det sker.

Jag har exemplifierat att en allvetande (alla vetenskapliga fält) AGI är extremt lång bort.
Även Riemann hypotesen, där matematikern Alpöge bevisade, gjorde det genom en växelverkande interaktion med Anthropics AI.

Han promptade AIn, den gav svar på något, Alpöge resonerade på svaret han fick av AIn, gav den en ny prompt om hans egna resonemang (baserat på den tidigare informationen han fick), AIn svarar, han resonerar, promptar och så där fortsätter det, som leder till målet - bevisningen av Riemann hypotesen.

Alpöge själv, likt en AI modell, tränades genom en kandidat i matematik, master och sist men inte minst en Ph.D i matematik.

Han valde själv genom sin egna autonomi, vad han ville forska om, och det var att försöka lösa Riemann hypotesen (som han nu gjorde).

Den dagen du har en AI som tränas och slutför alla dessa steg autonomiskt (utan att en människa promptar den till att utföra X), då kan jag ta diskussionen om AGI, om att vi närmar oss den, som mer sannolik.

Just nu är vi extremt långt därifrån.
Citera

Skapa ett konto eller logga in för att kommentera

Du måste vara medlem för att kunna kommentera

Skapa ett konto

Det är enkelt att registrera ett nytt konto

Bli medlem

Logga in

Har du redan ett konto? Logga in här

Logga in